Specijalistički diplomski stručni studij Primijenjenog računarstva

Ishodi učenja na razini studijskog programa

OPĆI ISHODI UČENJA:

1. Vrednovati i analizirati složene i nedovoljno definirane probleme iz područja struke korištenjem koncepata informacijske teorije, primijenjene matematičke teorije te najboljih inženjerskih praksi
2.  Predlagati inovativna rješenja u području primijenjenog računarstva kritičkom analizom i vrednovanjem aktualnih spoznaja, modela i rješenja iz područja struke, upotrebom „rješenja najboljih praksi“ te poznatih i modificiranih problemskih scenarija
3.  Primijeniti složene metode istraživanja i analize kako bi utvrdio detaljne korisničke ili organizacijske zahtjeve za informacijska rješenja ili sustave
4. Prepoznati, analizirati i razložiti probleme primjene, dorade i nove implementacije postojećih informacijskih sustava u širem poslovnom kontekstu te predložiti adekvatna rješenja
5.  Upravljati odnosnom sa korisnicima i/ili članovima tima, prepoznajući moguće izvore nerazumijevanja i sukoba te proaktivno i učinkovito djelovati na njihovo suzbijanje
6.  Osmišljati, pripremati i upravljati provedbom razvojnih projekata u području primijenjenog računarstva korištenjem priznatih metodologija, vodeći računa o dostupnim resursima, budžetu i rizicima
7.  Prilikom planiranja, projektiranja i primjene informacijskih sustava biti svjestan poslovnih, organizacijskih i socioloških aspekata njihove primjene te utjecaja na okolinu (korisnika, organizaciju, društvo)
8. Vrednovati poduzetničku ideju te predlagati adekvatne poslovne i organizacijske uvijete za njenu realizaciju
9. Upravljati proaktivno vlastitim stručnim i osobnim razvojem, te prikupljati nova znanja i vještine u različitim okruženjima i kontekstima (npr. kroz uspješne i neuspješne projekte, kroz stalno samostalno učenje i praćenje znanstvenih i tehnoloških dostignuća, dodatnim obrazovanjem…)
10.  Samostalno planirati i upravljati IT projektima unutar dostupnih resursa, preuzimajući odgovornost za osobne i timske zadatke u nepredvidljivim poslovnim uvjetima i okruženjima
11.  Izvesti samostalno značajan završni projekt pri tome se vodeći postavljenim zahtjevima i standardima, primjenom modernih tehnologija, alata i metodologije

POSEBNI ISHODI UČENJA – Podatkovno usmjerenje;

1.  D. Kritički prosuđivati utjecaj disruptivnih tehnologija na poslovno okruženje, ocijeniti utjecaj različitih disruptivnih tehnologija unutar sektora u kojem su se pojavile i analizirati mogućnost nastanka nove disruptivne tehnologije
2.  D. Odabrati adekvatne metode za rad s nedostajućim podacima i transformaciju podataka, preporučiti rješenja za probleme prepoznate prilikom pripreme podataka te odabrati adekvatno rješenje za određeni problem u procesu integracije, normalizacije i diskretizacije podataka
3.  D. Samostalno kreirati programsko rješenje koje rješava dio podatkovnog problema
4.  D. Ocijeniti utjecaj različitih vrsta sigurnosnih rizika i analizirati odredbe etičkog kodeksa koje štite pravo na privatnost te obrazložiti konceptualne teškoće u određivanju prava na privatnost
5. D. Ocijeniti utjecaj različitih vrsta redukcije značajki i primjeniti adekvatne osnovne metode redukcije značajki i uzorka te izabrati adekvatne algoritme strojnog i dubinskog učenja za rješavanje promatranog poslovnog problema
6.  D. Izabrati, interpretirati i odrediti osnovne mjere centralne tendencije i disperzije u smislu primjenjivosti, interpretabilnosti i korisnosti te interpretirati osnovne aspekte korelacijske i regresijske analize
7.  D. Prezentirati što je analiza socijalnih mreža i koji su ciljevi, preporučiti osnovne mjere mreža, centraliteta, prestiža i grupiranosti u mreži te rangirati osnovne funkcionalnosti softvera za analizu socijalnih mreža
8.  D. Kritički analizirati prednosti i nedostatke analitike u oblaku, odabrati adekvatne usluge u oblaku te ih primijeniti za rješavanje konkretnog poslovnog problema
9.  D. Analizirati značajke psihofizičkih, glasovnih, verbalnih i facijalnih ekspresija u kontekstu razvoja modela za automatizirano prepoznavanje afektivnih stanja u industrijama 21. D. Preispitati potencijale velikih skupova podataka i analitičke tehnike za analizu velikih skupova podataka te ocijeniti kvalitetu proizvoda koristeći znanje iz velikih skupova podataka 22. D. Vrednovati ulogu i prednosti vizualizacije podataka u odnosu na brojčani prikaz te izabrati adekvatne vrste alata za vizualizaciju i eksplorativnu analizu za dani problem